Deep Learning

【三年面试五年模拟】算法工程师的求职面试秘籍

分类 Classification

将输入数据划分到预定义的有限标签中，输出为预测的类别标签

• 常用评价指标

  • 准确率
  • 精确率
  • 召回率
  • F1 分数

• 应用

  • 花卉图像分类
  • 垃圾邮件拦截

回归 Regression

建立数值型随机自变量的模型并进行连续的因变量预测，输出为数值

• 常用评价指标
  • 均方误差
  • R2 分数
• 应用
  • 股票价格预测
  • 房价预测

聚类 Clustering

将无标签的数据分成多个类（簇），确保类内样本相似，类间样本相异，其输出是聚类结果（簇划分，簇标签，簇中心等）

• 常用评价指标
  • 样本紧密度
  • 样本分隔度
• 应用
  • 用户分群
  • 异常检测

决策 Decision making

通过神经网络理解给定目标，约束条件和可用信息，预测出最佳或满意的动作决策，其输出是一连串的动作

• 常用评价指标
  • 最终回报
  • 平均奖励
• 应用
  • 游戏 AI
  • 自动驾驶

概率密度估计 Probability density estimation

使用深度神经网络来估计一个随机变量或一组随机变量的概率密度函数，其输出是数据的概率分布

• 常用评价指标衡量分布差异
  • 对数似然损失
  • KL 散度
• 应用
  • 数据生成
  • 样本采样